为什么我的python进程会占用这么多内存？

Question

我正在研究一个涉及使用python读取，处理和写入有时大至几百兆字节的文件的项目。当我尝试处理一些特别大的文件时，程序偶尔会失败。它不会说'记忆错误'，但我怀疑这是问题（实际上它没有理由失败'）。

我一直在测试较小文件上的代码并观察'顶部'来查看内存使用情况是什么样的，它通常会达到60％。顶部说我有4050352k的总内存，所以3.8Gb。

同时我试图跟踪与下面的代码有点蟒蛇本身的内存使用情况（请参阅从yesterday我的问题）：

mem = 0 
for variable in dir(): 
    variable_ = vars()[variable] 
    try: 
     if str(type(variable_))[7:12] == 'numpy': 
      numpy_ = True 
     else: 
      numpy_ = False 
    except: 
     numpy_ = False 
    if numpy_: 
     mem_ = variable_.nbytes 
    else: 
     mem_ = sys.getsizeof(variable) 
    mem += mem_ 
    print variable+ type: '+str(type(variable_))+' size: '+str(mem_) 
print 'Total: '+str(mem) 

之前，我运行块我设置的所有变量我不不需要None，关闭所有的文件和图形等等。之后，我使用subprocess.call（）来运行下一阶段处理所需的fortran程序。在Fortran程序运行时查看顶部显示fortran程序正在使用〜100％的cpu和〜5％的内存，并且python使用cpu的0％和53％的内存。然而，我的一小段代码告诉我，python中的所有变量加起来只有23Mb，应该是〜0.5％。

那么发生了什么？我不希望这个小片段能给我一个关于内存使用情况的地方，但它应该准确地在几Mb以内？还是仅仅是顶层没有注意到内存已经被放弃了，但是如果有必要的话，其他程序可以使用它？

按照要求，这是使用所有内存的代码的简化部分（file_name.cub是一个ISIS3多维数据集，它是一个包含相同映射的5层（带）的文件，第一层是光谱发光，接下来的4个与纬度，经度和其他细节有关，它是来自Mars想要处理的图像StartByte是我以前从.cub文件的ascii标题读取的值，告诉我开始的字节数据，样品和线条地图，还从报头读取的尺寸）：

latitude_array = 'cheese' # It'll make sense in a moment 
f_to = open('To_file.dat','w') 

f_rad = open('file_name.cub', 'rb') 
f_rad.seek(0) 
header=struct.unpack('%dc' % (StartByte-1), f_rad.read(StartByte-1)) 
header = None  
# 
f_lat = open('file_name.cub', 'rb') 
f_lat.seek(0) 
header=struct.unpack('%dc' % (StartByte-1), f_lat.read(StartByte-1)) 
header = None 
pre=struct.unpack('%df' % (Samples*Lines), f_lat.read(Samples*Lines*4)) 
pre = None 
# 
f_lon = open('file_name.cub', 'rb') 
f_lon.seek(0) 
header=struct.unpack('%dc' % (StartByte-1), f_lon.read(StartByte-1)) 
header = None 
pre=struct.unpack('%df' % (Samples*Lines*2), f_lon.read(Samples*Lines*2*4)) 
pre = None 
# (And something similar for the other two bands) 
# So header and pre are just to get to the right part of the file, and are 
# then set to None. I did try using seek(), but it didn't work for some 
# reason, and I ended up with this technique. 
for line in range(Lines): 
    sample_rad = struct.unpack('%df' % (Samples), f_rad.read(Samples*4)) 
    sample_rad = np.array(sample_rad) 
    sample_rad[sample_rad<-3.40282265e+38] = np.nan 
    # And Similar lines for all bands 
    # Then some arithmetic operations on some of the arrays 
    i = 0 
    for value in sample_rad: 
     nextline = sample_lat[i]+', '+sample_lon[i]+', '+value # And other stuff 
     f_to.write(nextline) 
     i += 1 
    if radiance_array == 'cheese': # I'd love to know a better way to do this! 
     radiance_array = sample_rad.reshape(len(sample_rad),1) 
    else: 
     radiance_array = np.append(radiance_array, sample_rad.reshape(len(sample_rad),1), axis=1) 
     # And again, similar operations on all arrays. I end up with 5 output arrays 
     # with dimensions ~830*4000. For the large files they can reach ~830x20000 
f_rad.close() 
f_lat.close() 
f_to.close() # etc etc 
sample_lat = None # etc etc 
sample_rad = None # etc etc 

# 
plt.figure() 
plt.imshow(radiance_array) 
# I plot all the arrays, for diagnostic reasons 

plt.show() 
plt.close() 

radiance_array = None # etc etc 
# I set all arrays apart from one (which I need to identify the 
# locations of nan in future) to None 

# LOCATION OF MEMORY USAGE MONITOR SNIPPET FROM ABOVE 

所以我在有关打开多个文件的意见撒谎，这是同一个文件的多个实例。我只继续使用一个未设置为None的数组，它的大小为〜830x4000，尽管这在某种程度上构成了我可用内存的50％。我也试过gc.collect，但没有改变。我很乐意听到关于如何改进任何代码（关于这个问题或其他方面）的建议。

也许我应该提一下：原本我打开的文件是全部的（即不是像上面那样一行一行地打开），一行一行地完成是最初尝试节省内存。

Answer 1

仅仅因为你已经引用了你的变量并不意味着Python进程已经将分配的内存返回给了系统。见How can I explicitly free memory in Python?。

更新

如果GC.Collect的（）不为你工作，调查分叉和读/写在使用IPC子进程文件。这些进程在完成时会结束并将内存释放回系统。您的主进程将继续以低内存使用率运行。